論文の概要: Privacy-Preserving Epidemiological Modeling on Mobile Graphs
- arxiv url: http://arxiv.org/abs/2206.00539v1
- Date: Wed, 1 Jun 2022 14:51:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-19 17:25:40.063016
- Title: Privacy-Preserving Epidemiological Modeling on Mobile Graphs
- Title（参考訳）: モバイルグラフを用いたプライバシー保護疫学モデリング
- Authors: Daniel G\"unther, Marco Holz, Benjamin Judkewitz, Helen M\"ollering,
Benny Pinkas, Thomas Schneider, Ajith Suresh
- Abstract要約: プライバシー保護型疫学モデリングフレームワークRIPPLEについて述べる。
PIR-SUMも提案する。
- 参考スコア（独自算出の注目度）: 17.085245461105863
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Over the last two years, governments all over the world have used a variety
of containment measures to control the spread of COVID-19, such as contact
tracing, social distance regulations, and curfews. Epidemiological simulations
are commonly used to assess the impact of those policies before they are
implemented in actuality. Unfortunately, their predictive accuracy is hampered
by the scarcity of relevant empirical data, concretely detailed social contact
graphs. As this data is inherently privacy-critical, there is an urgent need
for a method to perform powerful epidemiological simulations on real-world
contact graphs without disclosing sensitive information. In this work, we
present RIPPLE, a privacy-preserving epidemiological modeling framework that
enables the execution of a wide range of standard epidemiological models for
any infectious disease on a population's most recent real contact graph while
keeping all contact information private locally on the participants' devices.
In this regard, we also present PIR-SUM, a novel extension to private
information retrieval that allows users to securely download the sum of a set
of elements from a database rather than individual elements. Our theoretical
constructs are supported by a proof-of-concept implementation in which we show
that a 2-week simulation over a population of half a million can be finished in
7 minutes with each participant consuming less than 50 KB of data.
- Abstract（参考訳）: 過去2年間、世界中の政府は、接触者追跡、社会的距離規制、外出禁止令など、新型コロナウイルス(covid-19)の感染拡大を抑制するためにさまざまな封じ込め措置を講じてきた。
疫学シミュレーションは、実際に実施される前にこれらのポリシーの影響を評価するために一般的に用いられる。
残念ながら、その予測精度は、関連する実証データ、具体的には詳細なソーシャルコンタクトグラフの不足によって阻害されている。
このデータは本質的にプライバシクリティカルであるため、機密情報を開示することなく、現実世界のコンタクトグラフ上で強力な疫学シミュレーションを行う方法が緊急に必要である。
本稿では,集団の直近の現実の接触グラフ上で,すべての接触情報をローカルに保持しながら,感染症に対する幅広い標準疫学モデルの実行を可能にする,プライバシ保全型疫学モデリングフレームワークrippleを提案する。
この点に関して、pir-sumは、ユーザが個々の要素ではなく、データベースから要素の集合の合計を安全にダウンロードできるようにする、プライベート情報検索の新しい拡張である。
理論的な構成は概念実証によって支持され、50万人を超える人口の2週間のシミュレーションを7分で完了でき、各参加者は50kb以下のデータを使用することができる。
関連論文リスト
- Data-Centric Epidemic Forecasting: A Survey [56.99209141838794]
この調査は、様々なデータ駆動の方法論および実践的進歩を掘り下げるものである。
疫学的なデータセットと,流行予測に関連する新しいデータストリームを列挙する。
また,これらの予測システムの現実的な展開において生じる経験や課題についても論じる。
論文 参考訳（メタデータ） (2022-07-19T16:15:11Z) - Models for digitally contact-traced epidemics [0.0]
デジタルコンタクトトレースは、従来のコンタクトトレースをスケールアップする自動化ソリューションとして提案されている。
新型コロナウイルスの感染対策に関して, クローズドな条件を導出するためのコンパートメンタルSEIRモデルを提案する。
論文 参考訳（メタデータ） (2022-03-01T16:50:00Z) - Practical Challenges in Differentially-Private Federated Survival
Analysis of Medical Data [57.19441629270029]
本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。
小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。
DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
論文 参考訳（メタデータ） (2022-02-08T10:03:24Z) - #StayHome or #Marathon? Social Media Enhanced Pandemic Surveillance on
Spatial-temporal Dynamic Graphs [23.67939019353524]
新型コロナウイルスは、公衆衛生、社会、経済のほぼすべての領域に永続的な被害をもたらしている。
既存の研究は、伝統的な統計モデルと流行拡散理論の集約に依存している。
我々は,抽出した出来事と関係に基づいて,ソーシャルメディアがパンデミックの知識を広める新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-08-08T15:46:05Z) - STOPPAGE: Spatio-temporal Data Driven Cloud-Fog-Edge Computing Framework
for Pandemic Monitoring and Management [28.205715426050105]
行政政策の改善とパンデミック対策のための準備を強化するための分析枠組みを開発することは絶対的に必要である。
本稿では,STOPと呼ばれる時空間知識マイニングフレームワークを提案し,時間スケールの異なる大規模地域における人間の移動性や文脈情報の影響をモデル化する。
i)fog/edgeベースのアーキテクチャを使用したs-temporal data and computing infrastructure、(ii)s-temporal data analyticsモジュールで、異種データソースから知識を効率的に抽出する。
論文 参考訳（メタデータ） (2021-04-04T12:29:31Z) - Health Status Prediction with Local-Global Heterogeneous Behavior Graph [69.99431339130105]
ウェアラブルセンサから継続的に収集される各種データストリームにより、健康状態の推定が可能です。
行動関連マルチソースデータストリームをローカル・グローバル・グラフでモデル化することを提案する。
学生生活データセットを用いて実験を行い,提案モデルの有効性を実証した。
論文 参考訳（メタデータ） (2021-03-23T11:10:04Z) - Predicting Infectiousness for Proactive Contact Tracing [75.62186539860787]
大規模デジタル接触追跡は、ウイルスの拡散を最小限に抑えながら、経済と社会活動を再開する潜在的な解決策である。
プライバシ、モビリティ制限、公衆衛生のトレードオフを行う様々なDCT手法が提案されている。
本稿では,個人の感染を積極的に予測するためにスマートフォンに展開可能な方法を開発し,検証する。
論文 参考訳（メタデータ） (2020-10-23T17:06:07Z) - Epidemic mitigation by statistical inference from contact tracing data [61.04165571425021]
我々は,個人が感染するリスクを推定するためにベイズ推定法を開発した。
本稿では,感染防止のための検査・隔離戦略を最適化するために,確率論的リスク推定手法を提案する。
我々のアプローチは、最近接触した個人間の通信のみを必要とする、完全に分散されたアルゴリズムに変換されます。
論文 参考訳（メタデータ） (2020-09-20T12:24:45Z) - Data-driven Simulation and Optimization for Covid-19 Exit Strategies [16.31545249131776]
コロナウイルスSARS-2の急速な普及は、世界中のほぼ全ての政府が悲劇に対応するために徹底的な対策を講じる大きな課題である。
我々は,疫学パラメータの深層学習推定を組み合わせたパンデミックシミュレーションと予測ツールキットを構築した。
論文 参考訳（メタデータ） (2020-06-12T11:18:25Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。